KERI Insight 22-12

KERI 정책제언 22-12
종사자 특성에 따른 혼인율 및

출산율 비교분석 유진성
한국경제연구원 연구위원
(jsyoo@keri.org)
본 연구에서는 종사자 특성에 따른 결혼 및 출산율 차이 널 프로빗의 계수값(z-score)을 확률값으로 변환하여 살펴

를 비교분석하고 이로부터 저출산 극복을 위한 정책적 시사 보면, 모든 통제변수들이 평균값에서 일정하다고 가정할 경
점을 검토하였다. 우 정규직의 결혼 확률은(연간 기준) 5.06%로 비정규직 결
우리나라의 경우 출산에서 결혼 외의 출산 비중이 2.2%에 혼 확률 3.06%의 약 1.65배인 것으로 분석되었다. 대기업
불과하여 출산은 결혼이라는 제도적 틀 안에서 발생한다고 종사자의 결혼 확률은 6.05%로 중소기업 종사자 결혼 확률
해도 과언이 아니다. 따라서 혼인율 하락은 바로 출산율 하 4.23%의 약 1.43배인 것으로 분석되었다.
락으로 이어지는 결과를 초래하는 만큼 결혼에 대한 분석의 종사자 특성이 최종적으로 출산에 미치는 영향을 확률로
중요성도 커지고 있다. 이러한 맥락에서 본 보고서는 출산율 변환한 결과에서는 정규직의 출산 확률이 4.07%로 비정규
뿐만 아니라 혼인율에 대한 분석도 함께 수행하고자 하였다. 직 출산 확률 2.15%의 약 1.89배에 달하는 것으로 분석되
종사자 특성이 결혼 및 출산에 미치는 영향을 분석하기 었으며, 대기업 종사자의 출산 확률은 4.37%로 중소기업 종
위해서 한국노동패널자료를 사용하였으며 PA(population 사자 출산 확률 3.18%의 약 1.37배인 것으로 분석되었다.
-averaged) 모형을 기반으로 하는 패널 프로빗 회귀분석 기혼자만을 대상으로 종사자 특성이 출산에 미치는 영향
을 수행하였다. 종사자 특성으로는 정규직과 비정규직, 대 을 분석한 결과에서는 비정규직과 정규직 사이에서만 출산
기업과 중소기업 종사자 등을 고려하였으며 다른 통제변수 율에 유의적인 차이가 존재하는 것으로 나타났다. 정규직
들을 포함하여 15~49세를 대상으로 종사자 특성이 결혼과 의 출산 확률은 22.1%로 비정규직 출산 확률 18.4%의 약
출산에 미치는 영향을 추정하였다. 1.20배인 것으로 분석되었다. 대기업 종사자와 중소기업
분석결과 종사자 특성은 결혼과 출산에 유의적인 영향 종사자 간 출산 확률 차이는 유의적이지 않은 것으로 나타
을 미치는 것으로 나타났다. 결혼에 미치는 영향의 경우 패 났다.
첫째 아이가 있는 개인만을 대상으로 종사자 특 업 간 이중구조의 핵심적 문제는 근로조건과 임금
성이 둘째 출산에 미치는 영향도 분석하였으나 둘 체계인 만큼 중소기업의 생산성 향상을 위해 직업
째 출산의 경우에는 종사자 특성이 유의적인 영향 능력개발 정책을 강화하고, 이와 함께 임금체계 개
을 미치지 못하는 것으로 나타났다. 편을 추진해 나갈 필요가 있다. 이전 정부에서는
종사상 특성에 따라 결혼과 출산에서 유의미한 비정규직 제로 정책을 표방하고 정규직으로의 전환
차이가 나타나고 있는 바, 향후 정규직 고용보호를 정책을 적극적으로 추진하였지만 오히려 비정규직
완화하고 임금체계 개편 등을 통해 정규직과 비정 이 증가하는 역효과만 유발한 만큼 비정규직의 정
규직, 대기업과 중소기업의 이중구조를 해소할 수 규직 강제 전환은 지양할 필요가 있다.
있도록 노동개혁을 단행할 필요가 있다. 정규직과 또한 저출산 극복을 위해서는 출산 자체을 높이
같은 양질의 일자리를 창출하고 정규직과 비정규직 기 위한 정책적 대응방안도 중요하지만 우리나라의
의 이중적 구조를 완화하기 위해서는 정규직의 해 경우 출산의 전제조건이 결혼인 만큼 혼인율 제고
고 규제 등 고용 보호를 완화하여 기업의 정규직 를 위한 종합적이고 체계적인 정책 마련에도 관심
고용 인센티브를 늘리고 양질의 일자리 창출에 대 을 가질 필요가 있는 것으로 사료된다.
한 여력을 증대시켜 나가야 한다. 대기업과 중소기
Ⅰ. 서론 ◦ 합계출산율 0.81은 역대 최저치로 OECD 38개

국 가운데 최저수준이며, 우리나라만 유일하게
□ 2021년 우리나라의 합계출산율은 공식적으로 합계출산율이 1미만인 국가로 기록되고 있음
0.81을 기록하였으며 이는 역대 최저수준에 해당
- 다른 저출산 국가인 이탈리아(1.25), 일본(1.30)과
◦ 이미 2021년 합계출산율은 역대 최저수준을 기 의 격차도 큰 것으로 나타남
록할 것으로 예견되었으며 약 0.81로 추정되었
◦ 시도별 출산율에서는 서울이 가장 낮은 수준을
는데 2022년 8월에 통계청이 ‘2021년 출생통
기록했으며 세종의 출산율이 가장 높은 것으로
계’를 통해 이를 공식적으로 확인
나타남
- 출산율의 하락과 함께 출생아 수도 26.6만명을
- 서울의 합계출산율은 0.63으로 전국 17개 시도
기록하여 역대 최저치를 기록
가운데 가장 낮은 수준을 기록하였으며 반면 세
* 연간 출생아 수는 1970년대에는 약 100만명대를 기
종은 1.28로 가장 높은 수준을 기록
록하기도 하였으나 2001년 50만명대, 2002년 40만
명대, 2017년 30만명대 등으로 감소하였으며 2020 - 출생아 수는 세종과 광주에서만 전년 대비 증가하
년부터 20만명대를 기록 였으며, 그 외 지역에서는 감소한 것으로 나타남
- 전체적으로 출산율과 출생아 수가 감소하는 가운

□ 더욱 우려스러운 것은 올해 출산율은 작년 출산율
데 만혼화 등으로 35세 이상에서의 출산율은 작
보다도 더 낮아질 전망이며 또다시 역대 최저치를
년보다 증가하였으며 40대 초반 출산율은 역대
경신할 것이라는 점임
최고를 기록한 것으로 나타남
◦ 8월에 발표된 2022년 2분기 합계출산율은 0.75
에 불과한 것으로 조사됨
2 KERI Insight 22-12

- 2분기 합계출산율 0.75는 2분기 기준으로 역대 - 현 정부 들어서 노동개혁의 중요성이 커지고 있
최저치를 갱신한 것으로 나타남 는 만큼 노동개혁이 저출산의 문제와도 관련이
있는지 논의하고자 함
- 올해 1분기의 합계출산율 또한 1분기 기준으로
역대 최저수준인 0.86을 기록 - 종사자 특성에 따라 혼인율이나 출산율의 차이가
있는지를 검토하고 향후 혼인율과 출산율을 제고
◦ 올해(2022년)에는 합계출산율이 0.7명대로 떨어 하기 위한 측면에서도 바람직한 노동시장 정책방
질 것이라는 우려스러운 전망이 대두 향에 대한 시사점을 모색할 필요
- 통상적으로 그나마 1분기의 합계출산율이 가장 - 분석결과를 바탕으로 향후 바람직한 저출산 극복
높고 4분기에 합계출산율이 가장 낮아지는 패턴 을 위한 정책방향을 도출하고자 함
을 고려하면 이미 1분기과 2분기에 합계출산율이

역대 최저수준을 갈아치운 만큼 올해 합계출산율
은 0.8명대마저 무너지고 0.7명대를 기록할 것이
라는 우려가 팽배
□ 저출산 심화에 따른 위기의식이 확산되면서 저출

산 극복을 위한 정책적 대응방안을 시급히 마련할
필요
- 저출산이 심화됨에 따라 2006년부터 15년간 약
380조원이 넘는 예산이 투입되었지만 출산율 반
등에는 실패해 백약이 무효라는 평가
- 저출산 극복을 위한 실효성 있는 정책대안을 마

련하기 위하여 혼인율 및 출산율이 낮은 경제활
동의 특성을 검토해볼 필요
- 우리나라의 경우 동거에 대한 반감도 적지 않고

출산도 결혼이라는 제도적 틀 안에서 발생하는
것이 대부분이기 때문에 혼인율은 출산율 제고를
위한 사전지표
- 이런 맥락에서 저출산과 직접적으로 관련된 출산

율도 중요하지만, 출산의 전제가 되는 혼인율의
추이 변화도 저출산과 관련된 중요 지표라 할 수
있음
- 실제로 출산율 뿐만 아니라 혼인율이 경제활동

특성에 따라 어떻게 차이가 나는지 살펴볼 필요
□ 본 연구에서는 종사자의 특성에 따른 혼인율과 출

산율을 비교분석하고 향후 혼인율과 출산율을 제
고하기 위한 정책적 시사점을 도출하고자 함
종사자 특성에 따른 혼인율 및 출산율 비교분석 3

Ⅱ. 혼인율 및 출산율 추이 - 우리나라의 경우 출산이 결혼이라는 제도적 틀
안에서 대부분 발생하기 때문에 출산 정책뿐만
아니라 혼인율을 높이기 위한 정책에도 관심을
□ 최근에는 출산율의 하락뿐만 아니라 혼인 건수도
급속히 감소하고, 초혼 연령도 증가하고 있는 추세 가질 필요가 있는 것으로 사료
◦ 우리나라의 경우 출산은 거의 대부분 결혼이라 ◦ 우리나라의 경우 저출산 극복을 위해서 혼인율

는 제도적 틀 안에서 이루어지기 때문에 출산 이 중요한 요인으로 사료되고 있는데 최근에는
을 위해서는 결혼율의 상승이 전제조건이라고 혼인건수가 하락하고 초혼 연령이 상승하는1)

할 수 있음 등 관련 지표가 악화되고 있는 것으로 나타남
- 다른 국가들과의 국제비교를 통해 볼 때 우리나 - 여성가족부에 따르면 2021년 혼인(초혼) 건수는
라에서는 결혼 외 출산 비중은 매우 미미한 것으 14.9만 건으로 2005년 대비 35.7% 감소한 것으
로 분석됨 로 나타남
- OECD 국가들에서의 결혼 외 출산비중 평균은 * 2021년 혼인(초혼) 건수는 2020년과 비교하여서도

1.7만여 건이 감소한 것으로 나타남
40.7%를 기록하였으며 우리나라는 2018년 기준
2.2%로 조사국 가운데 가장 낮은 수준을 기록함 - 혼인 건수는 감소하면서 혼인(초혼) 연령은 증가
하는 추세를 나타내고 있는데 여성의 평균 초혼
- 칠레의 경우 조사대상국 가운데 가장 높은 73.7%
연령은 2015년에 처음으로 30대에 진입한 이후
를 기록하였으며, 미국의 경우에도 39.6%를 기록
2021년에는 31.1세를 기록하였음
한 반면 같은 아시아 국가인 일본의 경우에는
2.3%로 매우 낮은 수준을 기록하고 있음 * 남성의 경우에도 초혼 연령이 지속적으로 상승하였는
데 2021년 남성의 초혼(혼인) 연령은 33.4세로 여성
보다 약 2.3세 많은 것으로 분석되었음
<그림 1> 결혼 외 출산의 비중 국제비교(%)
자료: OECD, 2018년 기준
1) 2022 통계로 보는 남녀의 삶(여성가족부(2022))

<그림 2> 평균 초혼 연령 및 초혼 부부 혼인 건수
자료: 여성가족부(2022)에서 인용
<그림 3> 조혼인율 국제비교(명)
주: 조혼인율(Crude marriage rate): 인구 천명당 혼인 건수

- 다만 외국의 경우 결혼 이외에도 동거와 같은 관 - 초혼 연령의 경우에도 외국의 경우 동거를 거치

계 형성의 비중도 높고 결혼이라는 제도적 틀 밖 면서 추후에 결혼을 하게되는 경우도 많은 것으
에서도 출산의 비중이 높기 때문에 국제비교의 로 사료되어 우리나라의 경우 초혼 연령이 증가
경우 우리나라의 조혼인율2)이 OECD 평균보다는 하고 있는 가운데에도 국제비교 시에는 평균수준
높은 것으로 나타남 을 기록하고 있는 것으로 나타남
2) 조혼인율(Crude marriage rate)은 인구 천명당 혼인 건수를 의미(재혼도 포함)

<그림 4> 여성의 초혼연령 국제비교(세)
<그림 5> OECD 회원국 합계출산율(명)
□ 우리나라의 출산율은 최하위를 기록하는 반면 출 - 우리나라는 2000년에 합계출산율 1.48명을 기록
산연령은 세계 최고수준을 기록하고 있는 것으로 하였으나 그 이후 지속적으로 감소하여 2020년

나타남 0.84명을 기록하였으며 2021년에는 이보다 더 감
소한 0.81명을 기록
◦ 우리나라의 2021년 합계출산율은 0.81로 역대
- 2020년 기준으로 주요국의 합계출산율을 살펴보
최저수준을 기록하였는데 올해에는 합계출산율
면 이스라엘이 2.9명으로 가장 높은 합계출산율
이 이보다 더 낮아져 0,7명대로 떨어질 것이라
을 기록하였으며 미국이 각각 1.64명을 기록하였
는 우려스러운 전망이 제기
으며 초고령국가인 일본도 우리나라보다 높은
1.33명을 기록
◦ 국제비교를 위해 2020년 기준으로 살펴보면 우
리나라 합계출산율은 0.84명을 기록하여 OECD - 2020년 OECD 평균 합계출산율은 1.59명으로 우
회원국 내에서 최하위를 기록 리나라보다 약 89% 높은 수준

<그림 6> 한국과 OECD 합계출산율 변화 추이(명)
자료: OECD
<그림 7> 첫 출산 연령 국제비교(세)
자료; OECD, 2020년 기준
- 우리나라와 OECD 평균과의 합계출산율 격차는 - 우리나라는 출산의 대부분이 결혼이라는 제도적
더욱 커지고 있는데 2000년에는 OECD 평균과의 틀 안에서 발생하기 때문에 혼인율 저하와 만혼
합계출산율 격차가 0.22를 기록하였으나 2020년 화 심화는 첫 출산 연령의 증가와 출산율 하락으
에는 0.75로 크게 확대됨 로 연계
- 2020년 기준 우리나라의 경우 첫 출산 연령은

◦ 우리나라의 경우 출산율은 최하위를 기록하고
32.3세로 조사대상국들 가운데 가장 높은 것으로
있는 가운데 첫 출산 연령도 세계 최고수준을
나타났는데 OECD 평균(조사대상 27개국)은 29.2
기록하고 있어 향후 출산율 제고에 어려움으로
세를 기록하였음
작용

- 외국의 경우 결혼제도 밖에서도 출산의 비중이
높기 때문에 혼인율이 저하되더라도 출산율 저하
로 이어지지 않으며, 초혼 연령이 높더라도 첫
출산의 연령이 높지 않게 나타남
* 일례로 조사대상국 가운데 스페인과 스웨덴의 초혼

연령은 각각 34.9세와 34.8세로 가장 높게 나타났지
만 첫 출산 연령은 각각 31.2세와 29.7세로 우리나
라보다 더 낮으며, 출산 연령이 오히려 초혼 연령보
다 더 낮은 것으로 나타남
◦ 우리나라의 경우에는 결혼제도를 통해서 출산

이 이루어지는 전통적인 구조를 가지고 있기
때문에 출산율 진작을 위해서는 혼인율 제고가
필수적
- 현재의 저출산 극복을 위해서는 기혼자들의 출산

율 제고 정책도 중요하지만 결혼정책에 대해서도
관심을 기울이고 관련 정책적 대안을 모색할 필요

Ⅲ. 종사자 특성에 따른 결혼 및 출산율 분석 데, 이는 여성의 경제활동 참여를 감소에도 영향
을 미쳤다고 지적
1. 저출산 관련 선행연구와 본 연구의 취지

◦ 이삼식 & 최효진(2012)은 OECD 10개 국가들
을 대상으로 패널 데이터를 구축하고 인구학적
□ 저출산에 대한 연구는 연구자의 관심에 따라 주제
별로, 연구방법론적으로 매우 다양하게 진행 요인과 경제학적 요인 등을 사용하여 패널분석
을 수행
◦ 조형숙·조현정(2021)이 국내 저출산 관련
- 보고서는 우리나라의 GDP 대비 가족지출비율이
2011~2020년의 연구동향을 분석한 결과에 따
프랑스의 수준까지 증가하게 되면 합계출산율은
르면 사회복지, 정책·행정학, 경제학 등 다양한
약 1.6수준까지 증가할 것으로 추정
전공분야에서 저출산 관련 연구가 진행
◦ 송헌재(2012)는 한국노동패널 자료를 사용하여
◦ 분석방법에서도 통계자료 및 패널자료, 문헌자
사교육비 지출이 추가적인 자녀의 출산에 유의
료 등을 주로 활용한 것으로 나타났으며 출산율
적인 영향을 미치는 것으로 보고하였는데 사교
에 영향을 미치는 요인에 관한 연구는 연구자의
육비 지출의 증가는 자녀의 출산을 감소시키는
관심에 따라 다양한 주제를 대상으로 진행
것으로 분석
◦ 일반적으로는 출산율 자체에 미치는 결정요인

◦ 박창우․송헌재(2014)는 전국 230개 지방자치단
과 정책효과에 관한 국내외 연구가 주를 이룸
체 자료를 사용하여 출산장려금이 출산에 미치
는 영향을 연구
□ 저출산에 영향을 미치는 정책효과에 대한 연구사
례를 간략히 살펴보면 다음과 같음 - 첫째 출생아와 둘째 출생아 수를 증가시키는 것
으로 나타났으나, 셋째 출생아에는 유의적인 영
◦ Gauthier & Hatzius(1997)는 OECD 국가별 자
향을 미치지 못하는 것으로 분석함
료를 사용하여 가족수당이 출생아 수에 미치는
영향을 분석 ◦ 김준일(2021)은 국민건강보험 빅데이터를 이용
하여 좋은 환경이 출산율에 유의적인 영향을
- 1970~1990년의 자료를 분석한 결과 가족수당이
평균보다 25% 높으면 출생아 수는 약 0.07 증가 미친다고 주장
한다고 보고
◦ 이외에도 김은정 외(2011)는 소득계층별로 따로
◦ Milligan(2005)은 캐나다 퀘백주를 대상으로 저 구분하여 출산행태를 분석하였으며, 김현식
출산 정책의 효과를 연구 (2017)은 재정패널 1~7차 자료를 사용하여 거
주형태, 금융소득, 가구소득 등이 출산에 미치
- 1988~1997년의 데이터를 사용하여 분석한 결과
는 영향 등을 분석
퀘백주에서 시행된 출산 장려금 지원 정책은 출
산율에 긍정적인 영향을 미쳤으며 최대 약 25%
의 출산율 증가에 영향을 미쳤다고 분석 □ 본 연구에서는 종사자 특성에 따른 결혼 및 출산
율 차이를 비교분석하고 이로부터 향후 저출산 극
◦ González(2013)는 스페인을 대상으로 저출산 복을 위한 정책적 시사점을 모색하고자 함
정책이 출산에 미치는 영향을 분석
◦ 상기에서 보는 바와 같이 대부분의 출산에 관
- 2007년부터 스페인에서 시행된 아동수당은 출산
한 연구는 출산정책의 효과 및 가구의 경제적
율 증가에 유의적인 영향을 미쳤다고 분석하였는
변수들이 출산율에 미치는 효과를 분석

◦ 본 연구에서는 경제제도 혹은 노동시장의 구조 ◦ 노동시장에서 취업자의 종사상 지위가 혼인율
적 변인과 관련이 있는 종사자 특성과 관련된 과 출산율에 미치는 영향을 살펴보기 위하여
측면에서 출산의 문제를 분석하고자 함 경제활동상 종사자의 특성 변수로는 정규직과
비정규직, 대기업과 중소기업을 사용하였음
◦ 저출산 극복을 위해서는 직접적으로 출산율을
- 정규직과 비정규직은 한국노동패널에서 조사한
제고하기 위한 방안을 마련할 필요가 있으나
항목을 토대로 변수를 생성
우리나라의 경우 혼인율 제고도 이에 못지 않
는 중요성을 가진 것으로 사료됨 - 대기업과 중소기업을 구분하는 기준으로는 종업
원 수, 매출액 등 다양한 지표가 이용되지만 본
- 앞에서 기술한 바와 같이 우리나라의 경우 결혼
연구에서는 전통적인 기준의 종업원 수 300인을
이라는 제도적 틀안에서 출산이 이루어지기 때문
기준으로 대기업과 중소기업을 구분
에 혼인율 하락은 바로 출산율 하락으로 이어지
는 결과를 초래 * 한국노동패널에서 개인데이터의 경우 현재 다니고 있
는 일자리에서 전체 종업원 수를 묻는 문항이 존재
- 외국의 경우 결혼 외의 출산 비중이 적지 않은
* 해당 문항의 결과를 바탕으로 종업원 300인 이상의
반면 우리나라는 결혼 외의 출산 비중이 2.2%에
회사에 근무하는 경우 대기업 근로자로 구분하고
불과
300인 미만의 회사에 근무하는 경우 중소기업 근로
- 최근에 지속적으로 혼인율이 떨어지고 만혼화 경 자로 구분하여 분석을 수행
황이 심화되면서 첫 출산연령의 상승과 저출산을
악화시키는 근본적인 원인으로 지목
□ 종사자의 특성이 결혼과 출산에 미치는 영향을 분
석하기 위하여 종속변수로는 결혼과 출산의 이벤
◦ 저출산 제고를 위해서는 출산율뿐만 아니라 혼
트 발생 여부를 추적한 변수를 사용
인율을 높이기 위한 방안을 모색할 필요가 있
으며 본 연구에서는 종사상 지위에 따른 혼인 ◦ 결혼 여부 추적 변수: 4차년도부터 시작하여
및 출산율 차이를 검토하고 이로부터 정책적 미혼자를 대상으로 분석을 수행하였으며 4차년
시사점을 모색하고자 함 도 이후 새롭게 한국노동패널에 진입하는 미혼
자가 있을 경우에는 추가로 해당 개인을 포함
2. 데이터 및 분석방법 시키고 이후의 혼인상태 변화를 추적(합계출산
율 기준인 15~49세를 대상)
□ 본 연구에서는 종사자 특성이 결혼 및 출산에 미
- 개인 패널데이터를 추적하여 언제 결혼을 하는지를
치는 영향을 분석하기 위하여 한국노동패널 조사
파악하고 결혼을 하게 되면 그 이후에는 샘플에서
자료를 사용
제외(그 이후의 샘플을 포함하게 되면 종사자 특성
◦ 한국노동패널은 현재 23차년도(2020년도) 조사 이 결혼에 미치는 영향이 아니라 결혼이 종사자
자료까지 이용 가능하지만 본 연구에서는 4차년 특성에 미치는 영향으로 나타날 수 있어 내생성의
도부터 23차년도 자료를 연계하여 분석에 사용 발생 소지가 있는 관계로 샘플에서 제외)
- 한국노동패널은 1차년도부터 이용가능하지만 정규 - 맨 처음 미혼으로 분석대상에 진입한 개인은 0의
직과 비정규직에 대한 조사항목이 3차년도에 누락 값을 가자며 이후 미혼인 상태가 유지되면 0의
되어 있는 관계로 연속적인 자료이용이 가능한 4 값을, 결혼을 하게 되면 1의 값을 가지고, 1의
차년도(2001년 조사자료)부터 분석에 사용하였음 값을 가지면 그 이후에는 분석대상에서 제외하는

것으로 종속변수를 구축3)

◦ 출산 여부 추적 변수: 4차년도부터 시작하여 문에 첫째 아이 출산의 경우와 둘째 아이 출산의
무자녀 개인을 대상으로 분석을 수행하였으며 경우를 각각 분석하여 분석을 수행하였음
4차년도 이후 새롭게 한국노동패널에 진입하는

◦ 결혼 및 출산에 미치는 영향은 회귀분석 추정
무자녀 개인이 있을 경우에는 추가로 해당 개
방법에 따라 달라질 수 있는데 본 연구에서는
인을 포함시키고 이후의 출산여부 변화를 추적
이를 4가지로 구분하여 회귀분석을 추정
(합계출산율 기준인 15~49세를 대상)
- 결혼에 미치는 영향은 아래의 그림에서 ①구간을
- 개인 패널데이터를 추적하여 언제 출산을 하는지
실증분석
를 파악하고 출산을 하게 되면 그 이후에는 샘플
- 첫째 출산에 미치는 영향은 아래의 그림에서 ②
에서 제외
구간과 ③구간을 구분하여 추정하였는데, ②구간
- 맨 처음 무자녀로 분석대상에 진입한 개인은 0의
은 결혼 전 단계부터 최종적으로 출산이라는 이
값을 가자며 이후 무자녀 상태가 지속되면 0의 벤트를 발생시키는데 유의적으로 영향을 미치는
값을, 출산을 하여 유자녀로 전환되면 1의 값을 지를 실증분석하는 것이며, ③구간은 결혼 후 기
가지고, 1의 값을 가지면 그 이후에는 분석대상 혼자들을 대상으로 출산에 유의적인 영향을 미치
에서 제외하는 것으로 종속변수를 구축4) 는지를 실증분석하는 것임
- 종사자 특성에 따른 출산율 분석은 개인패널자료를 - 첫째 출산 후 추가적으로 둘째 자녀를 출생하는
사용하기 때문에 출산 이벤트는 가구 내 개인의 데 유의적인 영향을 미지는지를 실증분석하기 위
가족관계에 따른 출산여부를 추적조사하여야 함 해서는 아래 그림에서 ④구간을 추정하였음
* 예를 들어 개인이 가구주인 경우, 출생아가 가구주의

자녀인지를 판단하기 위해서는 가구 데이터에서 태
□ 종사자 특성이 결혼과 출산에 미치는 영향을 분석
어난 출생아의 가구원 코드가 가구주의 자녀인지를
하기 위해서 다음과 같은 독립변수와 통제변수를
확인하는 작업을 추가로 진행해야 하며 이러한 확인 고려하였음
을 거쳐 개인의 출산 변수를 생성
◦ 결혼과 출산에 미치는 영향을 분석하기 위한
- 다만 출산의 경우 첫 출생아와 두 번째 출생아의 종사자 특성으로는 종사상 지위과 종사자 규모
경우에 미치는 영향이 다르게 나타날 수 있기 때 를 고려하였음
<그림 8> 회귀분석 추정 대상
그림 출처: https://www.flaticon.com/kr/free-icon/
3) 미혼에서 기혼으로 변화하였더라도 바로 전기에 대한 자료가 없는 경우는 본 연구대상에서 제외하였음. 전기의 미혼에서 당기의 기혼으로 변한 경우에 한해서
당기에 결혼한 것으로 인정하였으며 전기의 혼인상태 기록이 없는 경우 당기의 기혼 상태가 전년도부터 지속된 것인지 판단할 방법이 없기 때문에 분석의 엄밀
성을 위하여 그러한 샘플의 경우 분석의 대상에서 제외하였음
4) 무자녀에서 유자녀로 변화하였더라도 바로 전기에 이에 대한 대한 자료가 없는 경우는 본 연구대상에서 제외하였음. 전기의 무자녀에서 당기의 유자녀로 변한
경우에 한해서 당기에 출산한 것으로 인정하였는데, 전기의 출산여부에 관한 기록이 없는 경우 당기의 유자녀 상태가 전년도부터 지속된 것인지 판단할 방법이
없기 때문에 분석의 엄밀성을 위하여 그러한 샘플의 경우 분석의 대상에서 제외하였음

- 종사상 지위를 나타내는 변수는 정규직과 비정규 * 고졸 이하의 경우 0의 값을 초대졸 이상의 경우 1의
직 변수를 사용하였으며 비정규직의 경우 0의 값 값을 가지는 것으로 변수를 생성

을 정규직의 경우에는 1의 값을 가지는 변수를
생성 - 부(父)의 교육수준: 부모의 교육수준이 자녀의 결
혼에 대한 가치관이나 출산에 대한 의지가 달라
- 종사자 규모로는 대기업과 중소기업으로 구분하
질 수 있기 때문에 이를 반영하기 위하여 부의
여 변수를 생성하였으며 중소기업의 경우 0의 값
교육수준도 분석식에 포함하였음
을, 대기업의 경우 1의 값을 가지도록 코딩
* 부의 교육수준은 각 개인이 노동패널에 진입한 첫해
* 대기업과 중소기업을 구분하는 기준은 다양하지만 본
에만 조사하고 이후의 차수에서는 조사하지 않기 때
연구에서는 한국노동패널에서 이용가능한 자료, 전통
문에 개인이 처음 진입한 연도를 추척조사하여 그때
적인 중소대기업 분류기준을 감안하여 종업원 수가
조사된 값을 각 개인에게 부과
300인 미만일 때는 중소기업으로. 300인 이상일 경
우네는 대기업으로 분류하였음 * 부의 교육수준도 한국노동패널에서 제공하는 교육변
수를 더미변수로 포함시켜 분석하였는데 단순화하여
- 본 연구의 주목표는 종사자의 특성에 따른 결혼
고졸 이하와 초대졸 이상 등으로 구분됨
율 및 출산율의 차이를 분석하는 관계로 실증분
* 고졸 이하의 경우 0의 값을 초대졸 이상의 경우 1의
석은 두 개의 독립변수들을 개별적으로 사용하여
값을 가지는 것으로 변수를 생성
독립적인 두 개의 회귀식을 추정하여 분석하였음
- 지역변수: 거주지역에 따라 결혼에 대한 태도, 가
◦ 종사자 지위과 종사자 규모 등을 제외한 변수 치관 등이 다를 수 있으며 거주인구 등에 따라
들은 개인의 경제사회변수들로서 통제변수로 결혼 상대자를 찾는 비용이 달라질 수 있고 출산
사용하여 분석에 포함시켰음 에 대한 인식도 달라질 수 있기 때문에 개인의
- 성별: 성별에 따라 종사자 특성에 따른 결혼 및 출 거주지역을 변수에 포함
산에 대한 의지 및 가치관이 달라질 수 있기 때문 * 지역변수로는 한국노동패널의 거주지역 코드을 사용

에 성별 변수를 통제변수로 포함 하여 더미변수로 모형에 포함시킴
* 성별변수는 한국노동패널에서 제공하는 변수를 더미 * 서울지역에 거주하면 1의 값을 그 외 지역은 0의 값

변수로 구성하여 분석에 사용하였는데 여성의 경우 을 가짐
0의 값을 남성의 경우 1을 가짐
- 산업 더미: 산업별 이질성을 통제하기 위하여 취업
- 연령: 연령에 따라서도 결혼에 대한 태도 및 의 자가 속한 산업별 변수를 포함하였는데 산업별 변
사결정이 달라질 수 있기 때문에 개인의 연령도 수는 한국표준산업분류의 대분류를 기준으로 구분
분석모형에 포함시켰음
* 현재 한국표준산업분류는 제10차 개정이 가장 최신
* 연령변수는 한국노동패널에서 제공하는 만 나이를 사용 이지만, 한국노동패널은 장기간의 데이터이기 때문에
* 연령에 따른 비선형의 영향을 고려하여 만 나이와 한국표준산업분류 제8차. 제9차, 제10차 자료가 혼
만 나이의 제곱항을 회귀식에 포함하였음 재되어 있음
- 교육수준: 교육수준에 따라 결혼에 대한 가치관이 * 자료의 연속성을 위하여 본 연구에서는 모든 기간에
나 출산에 대한 의지가 달라질 수 있기 때문에 적용이 가능한 제8차 한국표준산업분류코드를 사용
교육수준도 결혼여부에 영향을 줄 수 있음 하여 산업을 분류하고 변수를 생성하였음
* 교육수준은 한국노동패널에서 제공하는 교육변수를 * 한국노동패널에서 주어진 소분류를 통합하여 대분류
더미변수로 포함시켜 분석하였는데 교육수준은 단순 기준으로 취합한 후 더미 변수를 생성하고 이를 회
화하여 고졸 이하와 초대졸 이상 등으로 구분됨 귀모형에 포함

- 연도변수: 결혼이나 출산에 영향을 미칠 수 있는 프로빗모형과 패널자료분석을 적용하여 패널 프
연도별 이벤트나 시간적 추이 변화 등을 고려하 로빗 모형을 사용하여 추정
기 위하여 연도변수를 포함 * 이항모형을 추정하는 모형으로는 대표적으로 프로빗
* 연도변수는 각 연도별 더미변수를 구성하여 분석에 모형과 로짓 모형이 있는데 두 모형의 차이는 거의
사용 없지만 본 연구에서는 표준정규분포의 누적분포함수
를 사용하는 프로빗 모형을 사용하여 추정하고자 함
□ 분석방법으로는 종속변수의 이항모형을 고려하여 * 로짓 모형의 경우에는 로지스틱 함수를 기반으로 모

패널 프로빗(Probit) 모형을 사용하였으며 패널 형을 추정
프로빗 가운데 PA 모형(Popuation-Averaged
- 종속변수가 0과 1의 값만을 가지는 경우 확률의
estimator)을 적용하여 추정
추정식은 이론적으로는 0과 1사이의 값만 가져야
◦ 분석을 위해 최종적으로 다음과 같은 회귀식을 하는데. 직선형태의 선형회귀로는 0과 1사이의
분석 값을 벗어날 수 있기 때문에, 그리고 기본적으로

선형회귀 추정의 가정을 위반하기 때문에 적절히
              
않다는 지적으로 프로빗 모형을 사용
                       
                   - 프로빗 모형은 표준정규분포  ∼     의 누
       (1) 적분포함수를 이용하여 종속변수가 1이 될 확률
                    을 추정하기 때문에 추정값은 0과 1사이에 존재
                   하게 됨
                        ≤  
       (2)
          
                                     
                  
 
 
                       


 ∞
 

        (3)
                  

                  
                  
       (4)
(종속변수는 결혼 여부를 나타내는 이항변수((1), (2))와

출산여부를 나타내는 이항변수((3), (4)), 독립변수는 순
서대로 상수항, 정규직-비정규직 여부((1), (3)), 대기업
-중소기업 여부((2), (4)), 성별, 연령, 연령의 제곱, 교
육수준, 부(父)의 교육수준, 거주지역, 산업별 더미변
수, 연도별 더미변수, 오차항 등을 의미)
◦ 분석방법으로는 패널 프로빗 모형을 사용하여

추정
- 본 연구에서의 종속변수는 0과 1의 값을 가지는

이항변수이므로 이항변수의 회귀분석을 다루는

<그림 9> 프로빗 모형의 표준정규 누적분포함수
그림 출처: https://math.stackexchange.com/questions/3959018/why-does-the-cumulative-distribution
-function-of-the-standard-normal-distributio
- 프로빗 모형을 패널데이터로 추정하는 경우 확률효 * 패널 프로빗 모형에서 확률효과 모형과 PA 모형 가
과(random effect) 모형과 PA(population-averaged) 운데 어느 것을 선택할 것인가는 추정하려는 목적에

따라 달라질 수 있음
모형으로 추정할 수 있는데 본 연구에서는 PA 모
형을 사용하여 회귀식을 추정하였음 * 확률효과에서는 패널 개인별로 잔차의 분포가 임의로
변하기 때문에 개별화된 특성을 보이고 있다면
* 패널데이터를 사용하여 확률모형을 추정하는 경우 선
PA(population-averaged) 모형에서는 대표성에 보다
형확률모형으로 프로빗/로짓 모형을 대체하여 사용하
중점을 두고 추정이 이루어짐
는 경우도 있음
* 예컨대 평균적인 의미가 강조된다고 하면, 평균직인
* 선형확률모형의 경우 계수값을 직관적으로 해석하기
미혼자의 취업률과 평균적인 기혼자의 취업률을 비
쉽다는 장점과 하우스만 테스트를 활용하여 고정효
교한다면, PA 모형의 추정치가 적당하며, 랜덤하게
과와 확률효과 모형의 적절성을 테스트하기 쉽다는
선택한 미혼자의 취업률과 랜덤하게 선택한 기혼자
편의성이 있음
의 취업률이 어떠한 차이를 나타내는지를 찾아본다
* 또한 프로빗/로짓 모형의 경우 한계효과를 별도로 추 면 확률효과 모형의 추정치가 보다 적당
정해야 하는데 상호작용 같은 교호항이 포함되어 있
* 본 연구에서는 종사자의 특성에 따른 혼인율과 출산
는 경우에는 단일 변수처럼 한계효과를 구할 수 없기
율을 비교분석하는 관계로 대표성의 특징이, 예를 들
때문에 선형확률모형을 이용하여 추정치를 도출함
면 평균적인 정규직의 혼인율과 평균적인 비정규직
* 본 연구의 경우 상호작용과 같은 교호항을 포함하지 의 혼인율을 비교한다는 측면이, 보다 유용할 것으로
않고 있이 프로빗 모형의 사용에 큰 문제가 없으며 사료되어 PA 모형을 사용하여 종사자의 특성에 따른
확률값을 별도로 추정해야 하는 번거로움이 있지만 혼인 및 출산의 차이를 분석하고자 함
종속변수 이항모형의 본질적 추정을 위해 프로빗 모
* 다만 내생성의 문제를 최소화하기 위해 종사자의 특성
형을 이용하여 추정 변수는 전기 변수를 사용(인과관계의 문제(종사자 특
* 패널 프로빗 모형의 경우에는 고정효과 모형을 사용 성이 결혼 및 출산에 영향을 미친 것인지, 결혼 및
할 수 없는 관계로(패널 프로빗 모형의 추정방식상 출산으로 인한 근로의욕 상승이 종사자의 특성을 변
최우도추정에서 고정효과 모형을 추정할 수 있는 통 화시킨 것인지 명확한 해석이 어려움)와 실제 시간상
계치가 충분하지 못함) 확률효과 모형이나 PA 모형 출산에 미치는 영향을 고려(종사상 특성이 실질적으로
을 사용하여 계수값 및 확률값을 추정 출산에 영향을 미치는 것은 출산연도가 아니라 임신
연도와 더 관련이 있을 수도 있음))하여 추정하였음

<표 1> 주요 변수들의 기술통계량(결혼 및 출산에 미치는 영향)
항목 관측치수 평균 표준편차 최솟값 최댓값

결혼 분석
혼인 여부(0=미혼, 1= 해당시기 결혼) 63,682 0.02 0.15 0 1
성별(0=여성, 1=남자) 63,682 0.57 0.50 0 1
만나이(세) 63,682 25.22 7.79 15 49
교육수준(0=고졸 이하, 1=초대졸 이상) 63,678 0.33 0.47 0 1
정규직 여부(0=비정규직, 1=정규직) 24,165 0.71 0.45 0 1
대기업 여부(0=중소기업, 1=대기업) 22,179 0.21 0.41 0 1
부의 학력(0=고졸 이하, 1=초대졸 이상) 61,935 0.25 0.43 0 1
거주지역(1=서울, 0=그 외 지역) 63,682 0.22 0.41 0 1
출산 분석
출산 여부(0=자녀 없음, 1= 첫째 출산) 67,654 0.03 0.18 0 1
성별(0=여성, 1=남자) 67,654 0.54 0.50 0 1
만나이(세) 67,654 26.75 8.46 15 49
교육수준(0=고졸 이하, 1=초대졸 이상) 67,638 0.38 0.48 0 1
정규직 여부(0=비정규직, 1=정규직) 28,087 0.73 0.44 0 1
대기업 여부(0=중소기업, 1=대기업) 25,901 0.22 0.42 0 1
부의 학력(0=고졸 이하, 1=초대졸 이상) 65,764 0.24 0.43 0 1
거주지역(1=서울, 0=그 외 지역) 67,654 0.22 0.42 0 1
출산 분석(결혼 이후)
출산 여부(0=자녀 없음, 1= 첫째 출산) 12,489 0.18 0.38 0 1
성별(0=여성, 1=남자) 12,489 0.48 0.50 0 1
만나이(세) 12,489 35.37 6.60 19 49
교육수준(0=고졸 이하, 1=초대졸 이상) 12,477 0.57 0.49 0 1
정규직 여부(0=비정규직, 1=정규직) 7,613 0.79 0.40 0 1
대기업 여부(0=중소기업, 1=대기업) 7,059 0.25 0.43 0 1
부의 학력(0=고졸 이하, 1=초대졸 이상) 11,929 0.13 0.33 0 1
거주지역(1=서울, 0=그 외 지역) 12,489 0.21 0.41 0 1
주: 산업 더미, 연도 더미는 편의상 생략
자료: 한국노동패널(4~23차)
3. 분석결과 나타나 정규직의 z-score가 비정규직보다 0.349

높은 것으로 나타남
□ 종사자 특성은 결혼에 유의한 영향을 미치는 것으 - 다른 통제변수들이 포함되면서 개인의 학력수준
로 나타났으며, 비정규직보다 정규직에서, 중소기 이나 연령의 증가에 따라 z-score가 증가(결혼할
업 종사자보다 대기업 종사자에서 결혼 확률이 높 확률이 증가)하는 것으로 나타났으며 정규직과
은 것으로 나타남
비정규직과의 결혼할 확률 격차는 줄어들면서 산
◦ 프로빗 PA 모형을 적용하여 결혼 확률을 추정 업 더미 변수, 연도 더미 변수를 모두 포함할 경

우 정규직의 z-score는 비정규직에 비해 0.233
한 결과 정규직의 z-score(계수값)는 비정규직
유의적으로 증가하는 것으로 나타남
에 비해 0.233 유의적으로 높은 것으로 나타나
정규직의 결혼 확률은 비정규직에 비해 유의적 ◦ 대기업 종사자와 중소기업 종사자의 결혼율을
으로 증가하는 것으로 나타남 분석한 결과에서도 대기업 종사자의 결혼 확률
- 정규직 여부 변수만으로 결혼 확률을 추정한 결 이 중소기업 종사자의 결혼 확률보다 유의적으
과에서는 정규직과 비정규직의 격차가 더 크게 로 증가하는 것으로 분석됨

- 대기업 여부 변수만으로 결혼 확률을 추정한 결 규직과 비정규직의 결혼 확률 격차보다는 적을
과에서는 대기업과 중소기업의 격차가 크게 나타 것으로 예상됨
나 대기업의 z-score가 중소기업보다 0.192 높은
것으로 나타남 □ 종사자 특성은 출산에도 유의한 영향을 미치는 것
- 다른 통제변수들이 포함되면서 개인의 성별이나,
으로 나타났으며, 비정규직보다 정규직에서, 중소
기업 종사자보다 대기업 종사자에서 출산 확률이
학력수준, 연령의 증가에 따라 z-score가 증가(결
높은 것으로 나타남
혼할 확률이 증가)하는 것으로 나타났으며 대기
업과 중소기업과의 결혼할 확률 격차는 줄어들게 ◦ 종사자의 특성이 최종적으로 출산에 미치는 영
되는데 산업 더미 변수, 연도 더미 변수를 모두
향(<그림 8>의 ②번 구간)을 추정한 결과 정규
포함할 경우 대기업의 z-score는 중소기업에 비
직의 z-score는 비정규직에 비해 유의적으로
해 0.174 유의적으로 증가하는 것으로 나타남
높은 것으로 나타나 정규직이 최종적으로 출산
- 다만 대기업 종사자와 중소기업 종사자 사이의 이벤트가 발생할 확률은 비정규직에 비해 유의
z-score는 정규직과 비정규직의 z-score 보다 크
적으로 높은 것으로 나타남
지는 않은 것으로 나타나 결혼할 확률 차이가 정
<표 2> 정규직/비정규직 결혼율 분석
변수 모형 (1) 모형 (2) 모형 (3)

정규직 여부 0.349*** 0.230*** 0.233***
(0=비정규직, 1=정규직) (0.0363) (0.0380) (0.0460)
성별 -0.119*** 0.0518
(0=여성, 1=남성) (0.0321) (0.0389)
연령 0.467*** 0.464***
(만 나이(세)) (0.0360) (0.0414)
연령*연령 -0.00686*** -0.00679***
(만 나이 제곱항) (0.000562) (0.000642)
교육수준 0.0645* 0.165***
(0:고졸 이하~1:초대졸 이상) (0.0335) (0.0398)
부(父)의 교육수준 -0.0494
(0:고졸 이하~1:초대졸 이상) (0.0484)
거주지역 -0.0418
(1=서울, 0=그 외 지역) (0.0408)
상수 -1.818*** -9.364*** -9.157***
(0.0323) (0.557) (0.687)
관측치수 18,602 18,601 15,629
산업 더미변수 포함 No No Yes
연도 더미변수 포함 No No Yes
주: 1) Standard errors in parentheses
2) *** p<0.01, ** p<0.05, * p<0.1

<표 3> 대기업/중소기업 종사자 결혼율 분석
변수 모형 (1) 모형 (2) 모형 (3)

대기업 여부 0.192*** 0.152*** 0.174***
(0=중소기업, 1=대기업) (0.0338) (0.0348) (0.0395)
성별 -0.0838** 0.106***
(0=여성, 1=남성) (0.0333) (0.0404)
연령 0.460*** 0.443***
(만 나이(세)) (0.0356) (0.0411)
연령*연령 -0.00674*** -0.00642***
(만 나이 제곱항) (0.000556) (0.000636)
교육수준 0.0602* 0.162***
(0:고졸 이하~1:초대졸 이상) (0.0338) (0.0401)
부(父)의 교육수준 -0.0438
(0:고졸 이하~1:초대졸 이상) (0.0515)
거주지역 -0.00806
(1=서울, 0=그 외 지역) (0.0418)
상수 -1.598*** -9.148*** -8.676***
(0.0171) (0.554) (0.696)
관측치수 17,117 17,116 14,409
2) *** p<0.01, ** p<0.05, * p<0.1
- 정규직 여부 변수만으로 출산 확률을 추정한 결 - 최종적으로 산업 더미 변수, 연도 더미 변수 등

과에서 정규직과 비정규직의 격차가 상대적으로 모든 변수를 포함할 경우 대기업 종사자의
크게 나타났는데 정규직의 z-score는 비정규직보 z-score는 중소기업 종사자에 비해 0.145 유의적
다 0.423 높은 것으로 나타남 으로 높은 것으로 나타나 출산 확률도 유의적으
로 증가할 것으로 사료됨
- 최종모델로서 부의 교육수준, 거주지역 산업 더미
변수, 연도 더미 변수를 모두 포함할 경우 정규 - 그러나 정규직과 비정규직의 경우와는 달리 출산에서
직의 z-score는 비정규직에 비해 0.281 유의적으 의 대기업과 중소기업의 z-score의 차이는 결혼에서
로 증가하여 출산 확률도 유의적으로 증가하는 의 차이보다 더 작게 나타나 대기업과 중소기업 종사
것으로 분석됨 자 사이의 출산 확률 격차는 결혼 확률 격차보다 작
을 것으로 예상됨
- 출산에서의 정규직과 비정규직의 z-score의 차이가 결혼
에서의 차이보다 더 크게 나타나 정규직과 비정규직의
출산 확률 격차가 결혼 확률보다 더 클 것으로 예상됨 □ 혼인율 분석과 출산율 분석에서 종사자 특성에 따
른 확률 차이가 확대 혹은 축소되는 이유는 결혼
◦ 대기업과 중소기업을 비교한 결과에서는 대기 한 사람들만을 대상으로 분석한 결과를 보면 좀
업의 z-score는 중소기업에 비해 유의적으로 더 명확해짐
높은 것으로 나타나 대기업 종사자의 출산 확
◦ 결혼한 사람들을 대상으로 종사자 특성이 출산
률은 중소기업 종사자에 비해 유의적으로 높은
에 미치는 영향을 분석하면 정규직과 비정규직
것으로 나타남
에서는 유의적인 차이가 존재하지만, 대기업과
- 대기업 여부 변수만으로 출산 확률을 추정한 결 중소기업 종사자 사이에서는 더 이상 유의적인
과에서 대기업의 z-score가 중소기업보다 0.211 차이를 찾을 수 없음
높은 것으로 나타나지만,

<표 4> 정규직/비정규직 출산율 분석
변수 모형 (1) 모형 (2) 모형 (3)

정규직 여부 0.423*** 0.254*** 0.281***
(0=비정규직, 1=정규직) (0.0347) (0.0385) (0.0473)
성별 0.0514* 0.209***
(0=여성, 1=남성) (0.0307) (0.0388)
연령 0.739*** 0.841***
(만 나이(세)) (0.0434) (0.0487)
연령*연령 -0.0108*** -0.0121***
(만 나이 제곱항) (0.000658) (0.000730)
교육수준 0.107*** 0.172***
(0:고졸 이하~1:초대졸 이상) (0.0338) (0.0407)
부(父)의 교육수준 0.00625
(0:고졸 이하~1:초대졸 이상) (0.0470)
거주지역 -0.142***
(1=서울, 0=그 외 지역) (0.0390)
상수 -1.822*** -14.11*** -15.60***
(0.0315) (0.704) (0.834)
관측치수 21,713 21,706 18,413
2) *** p<0.01, ** p<0.05, * p<0.1
<표 5> 대기업/중소기업 종사자 출산율 분석
변수 모형 (1) 모형 (2) 모형 (3)

대기업 여부 0.211*** 0.146*** 0.145***
(0=중소기업, 1=대기업) (0.0311) (0.0331) (0.0378)
성별 0.0880*** 0.237***
(0=여성, 1=남성) (0.0321) (0.0410)
연령 0.744*** 0.858***
(만 나이(세)) (0.0462) (0.0519)
연령*연령 -0.0109*** -0.0123***
(만 나이 제곱항) (0.000702) (0.000776)
교육수준 0.0905*** 0.170***
(0:고졸 이하~1:초대졸 이상) (0.0346) (0.0416)
부(父)의 교육수준 -0.0396
(0:고졸 이하~1:초대졸 이상) (0.0514)
거주지역 -0.105***
(1=서울, 0=그 외 지역) (0.0403)
상수 -1.555*** -14.02*** -15.60***
(0.0164) (0.747) (0.886)
관측치수 20,074 20,067 17,009
2) *** p<0.01, ** p<0.05, * p<0.1

◦ 정규직의 경우 결혼한 개인을 대상으로 출산에 - 다른 통제변수들을 모두 포함한 최종 모형 (3)에
미치는 영향을 분석한 경우에도 z-score가 비 서는 대기업의 z-score가 중소기업보다 0.075 높

정규직에 비해 유의적으로 높은 것으로 나타남 은 것으로 나타났지만 이는 유의적이지 않은 것
으로 분석됨
- 결혼한 사람들을 대상으로 하는 경우에도 정규직
의 출산 확률은 비정규직에 비해 유의적으로 높 - 결론적으로 기혼자들을 대상으로 출산에 대한 영
은 것으로 나타남 향을 분석한 결과 대기업 종사자 여부는 아무런

영향을 미치지 못하는 것으로 나타남
- 최종적으로 부의 교육수준, 거주지역 산업 더미
변수, 연도 더미 변수를 모두 포함할 경우 정규 * 대기업과 중소기업 종사자 사이에서 결혼 확률이 유
직의 z-score는 비정규직에 비해 0.134 유의적으 의적으로 차이가 나타났는데, 여기서 결혼한 중소기
로 증가하는 것으로 나타나 출산 확률도 유의적 업 종사자들의 경우 결혼한 대기업 종사자와의 이질
으로 증가할 것으로 예측됨 성이 감소한 사람들이 선택되기 때문에 기혼자들을
대상으로 하는 출산 분석에서는 대기업 종사자와 중
- 기혼자들을 대상으로 출산 확률을 구하는 경우에서
소기업 종사자 간의 유의적인 차이가 나타나지 않는
의 정규직과 비정규직의 z-score의 차이는 비록 유
것으로 사료
의적이기는 하지만 상기의 다른 결과들보다는 격차
가 적게 나타나는데 이는 결혼을 선택한 사람들의
◦ 결과적으로 종사자 특성이 최종 출산에 미치는
경우 비정규직의 이질성이 어느 정도 감소하기 때
영향(<그림 8>의 ②번 구간)은 정규직의 경우에
문에 출산에서의 격차가 줄어드는 것으로 사료됨
는 비정규직과 비교 시 결혼에 미치는 영향보
◦ 대기업과 중소기업을 비교한 결과에서는 대기 다 커지고, 대기업 종사자의 경우 중소기업 종
업의 z-score는 중소기업에 비해 유의적인 차 사자와 비교시 결혼에 미치는 영향보다 작아지
이를 나타내지 못하는 것으로 분석됨 는 것으로 나타남
- 대기업 여부 변수만으로 출산 확률을 추정한 결과
에서는 대기업의 z-score가 중소기업보다 0.170
유의적으로 높은 것으로 나타남
<표 6> 정규직/비정규직 출산율 분석(결혼 이후)
변수 모형 (1) 모형 (2) 모형 (3)

정규직 여부 0.268*** 0.0788 0.134**
(0=비정규직, 1=정규직) (0.0425) (0.0490) (0.0585)
성별 0.291*** 0.374***
(0=여성, 1=남성) (0.0395) (0.0489)
연령 0.314*** 0.442***
(만 나이(세)) (0.0407) (0.0454)
연령*연령 -0.00526*** -0.00687***
(만 나이 제곱항) (0.000566) (0.000624)
교육수준 0.134*** 0.129**
(0:고졸 이하~1:초대졸 이상) (0.0429) (0.0503)
부(父)의 교육수준 0.0137
(0:고졸 이하~1:초대졸 이상) (0.0634)
거주지역 -0.0683
(1=서울, 0=그 외 지역) (0.0499)
상수 -0.746*** -5.423*** -7.494***
(0.0402) (0.713) (0.826)
관측치수 6,354 6,348 5,420
2) *** p<0.01, ** p<0.05, * p<0.1

<표 7> 대기업/중소기업 종사자 출산율 분석(결혼 이후)
변수 모형 (1) 모형 (2) 모형 (3)

대기업 여부 0.170*** 0.0531 0.0754
(0=중소기업, 1=대기업) (0.0412) (0.0425) (0.0485)
성별 0.345*** 0.437***
(0=여성, 1=남성) (0.0413) (0.0523)
연령 0.308*** 0.455***
(만 나이(세)) (0.0440) (0.0501)
연령*연령 -0.00526*** -0.00713***
(만 나이 제곱항) (0.000614) (0.000694)
교육수준 0.0994** 0.109**
(0:고졸 이하~1:초대졸 이상) (0.0442) (0.0513)
부(父)의 교육수준 -0.0364
(0:고졸 이하~1:초대졸 이상) (0.0700)
거주지역 -0.0423
(1=서울, 0=그 외 지역) (0.0518)
상수 -0.608*** -5.203*** -7.631***
(0.0227) (0.768) (0.898)
관측치수 5,892 5,886 5,006
2) *** p<0.01, ** p<0.05, * p<0.1
□ 첫째를 출산한 후 둘째의 출산에 종사자 특성이 - 첫째 출산 시 이미 출산을 한 사람들의 경우 출산
미치는 영향을 분석한 결과에서는 정규직 여부 혹 에 대한 이질성이 대폭 감소하기 떼문에 둘째 출산

은 대기업 종사자 여부는 더 이상 유의적인 영향 의 경우에는 정규직과 비정규직에서의 출산 확률에
을 미치지 못함 서는 유의적인 차이가 나타나지 않는 것으로 보임
◦ 종사자의 특성이 둘째 출산에 미치는 영향을 분 ◦ 대기업과 중소기업 종사자를 비교한 결과에서
석한 결과 정규직과 비정규직 사이에는 아무런 도 둘째 출산의 경우 대기업의 z-score는 중소
유의적인 결과를 나타내지 않는 것으로 분석됨 기업에 비해 유의적인 차이를 나타내지 못하는
- 첫째 자녀를 출산한 사람들을 대상으로 정규직 것으로 분석됨

여부가 둘째 출산에 미치는 영향을 분석한 결과 - 대기업 여부 변수만으로 둘째의 출산 확률을 추
정규직 여부 변수만 사용하여 분석하는 경우 정 정한 결과에서는 대기업의 z-score가 중소기업보
규직에서의 둘째 출산 가능성이 비정규직보다 유 다 0.082 유의적으로 높은 것으로 나타남(유의수
의적으로 높은 것으로 나타남 준 5%에서 유의적)
* Z-score가 0.090 증가하는 것으로 나타났는데 이는 - 다른 통제변수들을 모두 포함하는 경우 대기업의

유의수준 10%에서 유의적 z-score가 중소기업보다 0.048 높은 것으로 나타
- 하지만 최종적으로 부의 교육수준, 거주지역 산업 났지만 이는 유의적이지 않은 것으로 분석됨

더미 변수, 연도 더미 변수를 모두 포함할 경우 - 정규직의 경우에서와 마찬가지로 둘째 출산의 경
정규직의 z-score는 비정규직에 비해 오히려 우 대기업 종사자와 중소기업 종사자간의 출산
0.057 낮은 것으로 나타났으며 이는 비유의적인 확률에는 유의적인 차이가 없는 것으로 분석됨
결과인 것으로 분석됨

<표 8> 정규직/비정규직 출산율 분석(첫째 이후 둘째 출산)
변수 모형 (1) 모형 (2) 모형 (3)

정규직 여부 0.0903* -0.0174 -0.0569
(0=비정규직, 1=정규직) (0.0530) (0.0573) (0.0628)
성별 0.208*** 0.250***
(0=여성, 1=남성) (0.0417) (0.0510)
연령 0.501*** 0.500***
(만 나이(세)) (0.0610) (0.0671)
연령*연령 -0.00761*** -0.00756***
(만 나이 제곱항) (0.000867) (0.000950)
교육수준 0.0226 0.00852
(0:고졸 이하~1:초대졸 이상) (0.0414) (0.0463)
부(父)의 교육수준 -0.0380
(0:고졸 이하~1:초대졸 이상) (0.0615)
거주지역 -0.0206
(1=서울, 0=그 외 지역) (0.0521)
상수 -1.181*** -9.381*** -10.19***
(0.0500) (1.055) (1.212)
관측치수 8,087 8,086 7,236
2) *** p<0.01, ** p<0.05, * p<0.1
<표 9> 대기업/중소기업 종사자 출산율 분석(첫째 이후 둘째 출산)
변수 모형 (1) 모형 (2) 모형 (3)

대기업 여부 0.0820** 0.0358 0.0480
(0=중소기업, 1=대기업) (0.0399) (0.0408) (0.0465)
성별 0.255*** 0.285***
(0=여성, 1=남성) (0.0438) (0.0547)
연령 0.452*** 0.430***
(만 나이(세)) (0.0637) (0.0684)
연령*연령 -0.00695*** -0.00658***
(만 나이 제곱항) (0.000907) (0.000970)
교육수준 0.0329 0.0236
(0:고졸 이하~1:초대졸 이상) (0.0424) (0.0476)
부(父)의 교육수준 -0.0304
(0:고졸 이하~1:초대졸 이상) (0.0656)
거주지역 -0.0223
(1=서울, 0=그 외 지역) (0.0541)
상수 -1.142*** -8.569*** -9.163***
(0.0227) (1.101) (1.229)
관측치수 7,579 7,578 6,764
2) *** p<0.01, ** p<0.05, * p<0.1

Ⅳ. 요약 및 시사점 경제활동상 종사자의 특성 변수로는 정규직과
비정규직, 대기업과 중소기업 종사자를 사용하
□ 본 연구에서는 종사자 특성에 따른 결혼 및 출산 였음
율 차이를 비교분석하였으며 이로부터 향후 저출
◦ 분석방법으로는 패널 프로빗의 PA 모형을 사용
산 극복을 위한 정책적 시사점을 모색하고자 함
하였음
◦ 저출산 극복을 위해서는 직접적으로 출산율을
- 프로빗 모형을 패널데이터로 추정하는 경우 확률효
제고하기 위한 방안을 마련할 필요가 있으나
과(random effect) 모형과 PA(population-averaged)
혼인율 제고도 이에 못지 않는 중요성을 가진 모형으로 추정할 수 있는데 본 연구에서는 PA 모
것으로 사료됨 형을 사용하여 회귀식을 추정하였음
◦ 국제비교를 통해서도 나타나는 바와 같이 우리 - 확률효과에서는 패널 개인별로 잔차의 분포가 임
나라의 경우 결혼이라는 제도적 틀안에서 출산 의로 변하기 때문에 개별화된 특성을 보이고 있
이 이루어지기 때문에 혼인율 하락은 바로 출 다면 PA(population-averaged) 모형에서는 대표

성에 보다 중점을 두고 추정이 이루어짐
산율 하락으로 이어지는 결과를 초래
- 본 연구에서는 종사자의 특성에 따른 혼인율과
- 외국의 경우 결혼 외의 출산 비중이 적지 않은
출산율을 비교분석하는 관계로 대표성의 특징이,
반면 우리나라는 결혼 외의 출산 비중이 2.2%에
예를 들면 정규직의 평균적인 혼인율과 비정규직
불과
의 평균적인 혼인율을 비교한다는 측면이, 보다
- 최근에 지속적으로 혼인율이 떨어지고 만혼화 경
유용할 것으로 생각되어 PA 모형을 사용하여 종
향이 심화되면서 이러한 요인이 첫 출산연령의
사자의 특성에 따른 혼인 및 출산의 차이를 검토
상승과 저출산을 악화시키는 근본적인 원인으로
하고 함
사료
□ 종사자 특성이 결혼에 미치는 영향을 분석한 결과

◦ 저출산 제고를 위해서는 출산율뿐만 아니라 혼
에서는 비정규직보다 정규직에서, 중소기업 종사
인율을 높이기 위한 방안을 모색할 필요가 있
자보다 대기업 종사자에서 결혼 확률이 더 높은
으며 이를 위해 본 연구에서는 종사상 지위에
것으로 나타남
따른 혼인 및 출산율 차이를 검토
◦ PA 모형을 적용하여 패널 프로빗 회귀분석으로
□ 본 연구에서는 종사자 특성이 결혼 및 출산에 미 추정한 결과 정규직이 결혼할 확률은 비정규직
치는 영향을 분석하기 위하여 한국노동패널조사 이 결혼할 확률보다 약 65.4% 높은 것으로 분
자료를 사용하였으며 패널 프로빗의 PA 모형을 석됨(정규직의 결혼 확률이 비정규직 대비 약
기반으로 분석을 수행 1.65배)
◦ 한국노동패널은 현재 23차년도(2020년도) 조사 - 15~49세를 대상으로 분석한 결과 패널 프로빗의

자료까지 이용 가능하지만 자료이용의 제약으 분석결과인 z-score를 확률값으로 변환하여 살펴
로 4차년도부터 23차년도 자료를 연계하여 분 보면, 모든 통제변수들은 평균값에서 일정하다고
석에 사용하였으며 15~49세를 대상으로 하였음 가정할 때 비정규직은 100명 가운데 한 해 결혼

인구는 3.06명으로 추정되었으나 정규직의 경우는
◦ 노동시장에서 취업자의 종사상 특성이 혼인율 100명 가운데 5.06명이 결혼하는 것으로 분석됨
과 출산율에 미치는 영향을 살펴보기 위하여

- 정규직의 결혼 확률은 5.06%로 비정규직의 결혼 비정규직 출산 확률보다 약 89.3%나 높은 것으
확률 3.06%보다 약 65.4% 높은 것으로 분석됨 로 분석됨(정규직의 출산 확률이 비정규직 대비
약 1.89배)
◦ 대기업 종사자의 경우 중소기업 종사자보다 결
혼할 확률이 약 43.0% 높은 것으로 분석됨(대 - 모든 통제변수가 평균값에서 일정하다고 가정할
기업 종사자의 결혼 확률이 중소기업 종사자 때 15~49세를 대상으로 분석한 결과 비정규직

100명 가운데 한 해 출산을 하는 인구는 2.15명
대비 약 1.43배)
으로 추정되었으나 정규직의 경우에는 100명 가
- 패널 프로빗의 z-score를 확률로 변환하여 살펴
운데 4.07명이 출산을 하는 것으로 분석됨
보면 모든 통제변수가 평균값에서 일정하다고 가
- 정규직의 출산 확률은 4.07%로 비정규직의 출산
정할 때 15~49세를 대상으로 분석한 결과 중소
확률 2.15%보다 약 89.3% 높은 것으로 분석됨
기업 종사자 100명 가운데 한 해 결혼인구는
4.23명으로 추정되었으나 대기업 종사자의 경우
◦ 대기업 종사자의 경우 중소기업 종사자보다 출
100명 가운데 6.05명이 결혼하는 것으로 분석됨
산할 확률이 약 37.4% 높은 것으로 분석됨(대
- 대기업 종사자의 결혼 확률은 6.05%로 중소기업 기업 종사자의 출산 확률이 중소기업 종사자
종사자의 결혼 확률 4.23%보다 약 43.0% 높은 대비 약 1.37배)
것으로 분석됨
- 모든 통제변수가 평균값에서 일정하다고 가정할 때
15~49세를 대상으로 분석한 결과 중소기업 종사자
□ 종사자 특성이 출산에 미치는 영향을 분석한 결과
100명 가운데 한 해 출산을 하는 인구는 3.18명으
에서도 비정규직보다 정규직에서, 중소기업 종사
로 추정되었으나 대기업 종사자의 경우 100명 가
자보다 대기업 종사자에서 출산 확률이 높은 것으
운데 4.37명이 출산을 하는 것으로 분석됨
로 나타남
- 대기업 종사자의 출산 확률은 4.37%로 중소기업
◦ 종사자 특성이 최종적으로 출산에 미치는 영향 종사자의 출산 확률 3.18%보다 약 37.4% 높은
을 확률로 변환한 결과 정규직의 출산 확률은 것으로 분석됨
<표 10> 종사자 특성에 따른 결혼 분석의 확률값 추정
정규직과 비정규직 결혼율

항목
비정규직 정규직
Margin 0.0306*** 0.0506***
(Standard errors) (0.00288) (0.00232)
100명당 당 결혼인구(명) 3.06 5.06
관측치수 15,629 15,629
2) *** p<0.01, ** p<0.05, * p<0.1
대기업과 중소기업 종사자 결혼율

항목
중소기업 대기업
Margin 0.0423*** 0.0605***
(Standard errors) (0.00209) (0.00414)
100명당 당 결혼인구(명) 4.23 6.05
관측치수 14,409 14,409
2) *** p<0.01, ** p<0.05, * p<0.1

<표 11> 종사자 특성에 따른 출산 분석의 확률값 추정
정규직과 비정규직 출산율

항목
Margin 0.0215*** 0.0407***
(Standard errors) (0.00240) (0.00236)
100명당 당 출산인구(명) 2.15 4.07
관측치수 18,413 18,413

2) *** p<0.01, ** p<0.05, * p<0.1
대기업과 중소기업 종사자 출산율

항목
Margin 0.0318*** 0.0437***
(Standard errors) (0.00211) (0.00355)
100명당 당 출산인구(명) 3.18 4.37
관측치수 17,009 17,009

2) *** p<0.01, ** p<0.05, * p<0.1
◦ 기혼자만을 대상으로 종사자 특성이 출산에 미 ◦ 첫째 아이가 있는 개인만을 대상으로 종사자

치는 영향을 분석한 결과에서는 비정규직과 정 특성이 둘째 출산에 미치는 영향을 분석하였으
규직의 경우에서만 출산율에 유의적인 차이가 나 둘째 출산의 경우에는 종사자 특성이 유의
존재하는 것으로 나타났는데 이를 확률값으로 적인 영향을 미치지 못하는 것으로 나타남
변환하면 정규직이 출산할 확률은 비정규직 출 - 첫째 자녀가 있는 경우의 둘째 출산에서는 비정
산 확률보다 약 20.1% 높은 것으로 분석됨 규직에서의 확률이 11.6%로 정규직에서의 확률
- 모든 통제변수가 평균값에서 일정할 때 15~49세 10.5%보다 오히려 높은 것으로 나타났는데, 통계
비정규직 기혼자 100명 가운데 한 해 출산을 하 적으로는 정규직과 비정규직 사이에 차이는 없는
는 인구는 18.4명으로 추정되었으며 정규직 기혼 것으로 분석됨(비유의적인 결과)

자의 경우는 100명 가운데 22.1명이 출산을 하는 - 대기업 종사자의 경우 출산 확률이 10.8%, 중소
것으로 분석됨 기업 종사자의 경우 9.93%였으나 대기업과 중소
- 기혼자만을 대상으로 하는 경우 정규직의 출산 기업 종사자 간 출산율 차이도 유의적이지 않은

확률은 22.1%로 비정규직의 출산 확률 18.4%보 것으로 분석됨
다 약 20.1% 높은 것으로 분석됨
- 대기업 종사자의 경우 출산 확률이 21.4%, 중소

기업 종사자의 경우 19.2%였으나 대기업과 중소
기업 종사자 간 출산율 차이는 유의적이지 않은
것으로 분석됨
* 기혼자만을 대상으로 하는 경우 대기업 종사자의 출

산 확률은 중소기업 종사자보다 약 11.5% 높은 것
으로 나타났으나 이는 비유의적인 것으로 분석됨

<표 12> 종사자 특성에 따른 출산 분석의 확률값 추정(기혼자만을 대상)

항목
Margin 0.192*** 0.214***
(Standard errors) (0.00752) (0.0125)
100명당 당 출산인구(명) 19.2 21.4
관측치수 5,006 5,006
2) *** p<0.01, ** p<0.05, * p<0.1

항목
Margin 0.184*** 0.221***
(Standard errors) (0.0145) (0.00705)
100명당 당 출산인구(명) 18.4 22.1
관측치수 5,420 5,420
2) *** p<0.01, ** p<0.05, * p<0.1
<표 13> 종사자 특성에 따른 둘째 출산 분석의 확률값 추정(첫째 출산자만을 대상)

항목
Margin 0.116*** 0.105***
(Standard errors) (0.0114) (0.00445)
100명당 당 출산인구(명) 11.6 10.5
관측치수 7,236 7,236
2) *** p<0.01, ** p<0.05, * p<0.1

항목
Margin 0.0993*** 0.108***
(Standard errors) (0.00485) (0.00752)
100명당 당 출산인구(명) 9.93 10.8
관측치수 6,764 6,764
2) *** p<0.01, ** p<0.05, * p<0.1
□ 향후 정규직 고용보호를 완화하고 임금체계 개편 ◦ 노동시장의 이중구조를 완화하기 위해서는 정

등을 통해 정규직과 비정규직, 대기업과 중소기업 규직의 고용보호를 완화하고 노동유연성을 제
의 이중구조를 해소할 수 있는 방안을 모색할 필요 고할 필요가 있으며 임금체계를 개편하는 등
노동개혁을 단행할 필요
◦ 결혼과 출산에서도 종사자의 특성에 따라 유의
적인 차이가 발생하는 만큼 양질의 일자리를 - 정규직과 같은 양질의 일자리를 창출하고 정규직
늘리고 노동시장의 이중구조를 해소할 수 있는 과 비정규직의 이중적 구조를 완화하기 위해서는
정책을 추진할 필요 정규직의 해고 규제 등 고용 보호를 완화하여 정

규직의 고용 경직성을 완화할 필요

- 박근혜 정부에서 추진되었던 일반해고와 취업규 - 중소기업 정책도 중소기업 보호 정책에서 중소기
칙 변경에 대한 제도개선도 다시 논의할 필요 업 경쟁력 제고 정책으로 전환하여 중소기업이
* 저성과자 해고가 중심인 일반해고는 인력 유연성 제

고임금을 지불할 수 있는 생산성 향상을 달성할
고의 핵심 중 하나로서 일반해고에 대한 법적 근거 수 있도록 추진할 필요
를 마련할 필요
◦ 이전 정부에서는 비정규직 제로 정책을 표방하
* 취업규칙의 변경 시 과반수노조나 근로자 과반수의
고 정규직으로의 전환 정책을 추진하였지만 오
동의를 구하도록 되어 있는 근로기준법 상의 취업규
히려 비정규직이 증가하는 역효과만 유발한 만
칙 변경제도의 경직성도 완화하는 방안도 고려
큼 비정규직의 정규직 강제 전환은 지양할 필요
- 노동경직성 완화를 통해 기업의 정규직 고용 인
- 비정규직의 정규직으로의 무리한 전환으로 오히
센티브를 늘리고 양질의 일자리 창출에 대한 여
려 정규직 근로자들까지 정규직 전환에 따른 불
력을 증대시켜 나갈 필요
평등과 불공정을 제기하면서 사회적 반발과 갈등
* 경제협력개발기구(OECD)도 한국경제보고서에서 기업
을 초래
의 비정규직 채용 유인을 줄이기 위해서는 정규직
- 문재인 정부에서는 비정규직 제로 정책을 무리하
고용 보호를 완화해야 한다고 권고
게 추진하였으나 의도와는 달리 오히려 비정규직
- 비정규직 일자리를 완전히 없앤다기보다는 비정
은 증가하고 정규직은 감소하는 역효과만 유발
규직의 필요성도 인정하되 비정규직의 질을 향상
* 경제여건 악화와 경직된 정규직 고용보호 등으로 기
시킬 수 있는 방향으로 격차를 줄여나갈 수 있도
업의 부담이 증가하면 기업들은 정규직의 채용을 줄
록 정책을 마련할 필요
이고 오히려 비정규직 위주로 고용을 증가시키기 때
◦ 대기업과 중소기업 간 이중구조의 핵심적 문제 문에 비정규직의 정규직화 등 기업에 대한 규제는
는 근로조건과 임금체계인 만큼 중소기업의 생 역효과를 초래
산성 향상을 위한 중소기업 정책 마련과 임금 - 플랫폼 노동자와 비대면 노동자 증가 등 새로운
체계 개편을 함께 추진해 나갈 필요 형태의 고용이 증가하고 있는 가운데 비정규직

근로자를 강제적으로 없앤다는 것은 현실적으로
- 연공형 임금체계를 개인 및 기업의 성과와 근로
불가능한 정책이라는 비판
자의 임금이 연계될 수 있는 성과 및 직무급제
임금체계로 전환하여 비생산적 임금격차를 줄이
고 중소기업의 생산성을 제고
<표 14> 정규직 및 비정규직 근로자 추이 변화
항목 2015. 8. 2016. 8. 2017. 8. 2018. 8. 2019. 8. 2020. 8. 2021. 8.

임금근로자(천명) 19,474 19,743 20,006 20,045 20,559 20,446 20,992
정규직(천명) 13,166 13,262 13,428 13,431 13,078 13,020 12,927
비정규직(천명) 6,308 6,481 6,578 6,614 7,481 7,426 8,066
비정규직 비중(%) 32.4 32.8 32.9 33.0 36.4 36.3 38.4
자료: 통계청

□ 향후에는 출산율 제고를 위한 정책뿐만 아니라 혼 - 신혼부부들을 위한 정책이 주를 이루고 있으며
인율 제고를 위한 정책에도 관심을 기울일 필요 신혼부부 건강검진 서비스, 신혼부부 공공임대주

택 지원 서비스, 신혼부부 주거비용 지원 서비스
◦ 현재 출산율 제고를 위한 출산정책은 출산 및
등이 시행 중
양육과 관련한 체계적인 정책을 마련하여 추진
- 저출산 극복을 위해서는 결혼의 중요성에 보다
하고 있으며 개선방안에 대한 논의도 활발히
관심을 집중하고 혼인율 제고를 위한 종합적이고
진행 중임
체계적인 정책을 마련할 필요
- 출산장려금은 현재 출산한 사람에게 모두 200만
* 노동개혁 등을 포함한 노동시장 제도개선과 함께 혼
원을 지급하는 첫만남이용권과 지역별로 상이한
인율 제고를 위한 제반 상황을 점검하고 개선방안을
출산장려금(축하금)으로 구성
모색
- 아동수당으로는 8세 미만 아동들(2021년에는 만 * 혼인율 제고를 위한 재원은 현재 시행 중인 출산정
7세 미만에서 2022년에 8세 미만으로 상향조정) 책의 구조조정을 추진하고(정책의 효과성을 고려),
에게 매달 10만원씩 지원하고 있으며, 영아수당 보편적 지원을 저소득층 중심의 선별적 지원으로 전
을 신설하여 0~1세에게 매월 30만원을 지급하거 환함으로써, 이를 통해 절감된 예산으로 마련하는 방
나 보육료 바우처를 지급하는 정책을 추진 안을 검토할 필요
- 이외에도 육아휴직, 보육지원(보육료 혹은 육아수 - 사회적 취약계층인 미혼모에 대한 정책적 개선방

당), 임신 및 출산 비용 지원 등 출산율 제고를 안도 마련할 필요5)
위한 정책을 추진
* 저출산고령사회위원회에서 원스톱 상담창구를 운영하
- 향후에는 여성의 경제활동과 육아부담이 출산율 고는 있지만 미혼모의 사회경제적 임신⋅출산⋅양육

저하로 이어지지 않도록 유연근무제도를 보다 다 에 대한 정보 제공에 그칠 뿐이고 심리정서, 개인의
양화하여 도입·확대하는 방안을 모색할 필요 상황에 맞는 서비스를 위한 상담창구는 부족한 실정

이라는 지적
* 예를 들어 유연근무시간의 근로시간대를 다양화하거
나, 전일제 근로자를 필요할 때는 시간제 근로제로 * 사회복지기관, 미혼모·부자 거점기관, 지역사회 등의
전환하여 근무할 수 있는 시간선택제와 같은 근무형 심리상담기관과의 협업으로 서비스를 운영할 필요
태 등 유연근무제도를 보다 다양하게 도입·확대해 * 지역사회거주 양육미혼모와 자녀양육을 위한 생애주

나갈 필요 기별 통합사례관리서비스 전달체계를 연결하는 등
* 탄력적 근로시간제나 선택적 근로시간제 등도 제도적 자녀양육에 대한 사회적 시스템을 구축할 필요
으로 보완 및 확대하여 근로시간을 보다 유연하게

활용할 수 있는 방안을 강구할 필요
◦ 저출산 극복을 위해서 출산 자체를 위한 정책

적 대응방안도 중요하지만 우리나라의 경우 출
산의 전제조건이 결혼인 만큼 혼인율 제고를
위한 정책적 대응방안에도 관심을 가질 필요
- 현재에도 결혼장려금과 같은 지원이 있지만 지자

체마다 유무의 차이가 있고 정부 차원의 일관적
인 결혼 지원을 위한 체계적인 정책은 미흡
5) 아래의 내용은 강라현(2021)을 참조

<참고 문헌>
강라현 (2021). “미혼모들의 출산과 양육 경험에 대한 구

성주의 근거이론 연구”.『한국가족복지학』, 68(1),
387-425.
김은정․이성림․이완정․김한나 (2011). “소득계층별 출산·양
육 행태 분석 및 정책방안”.『연구보고서 2011-37-0
4』, 한국보건사회연구원.
김준일 (2021). “국민건강보험 빅데이터를 이용한 출산율
과 환경에 대한 연구 : 예비적 분석”.『노동정책연구』,
21(3), 89-113.
김현식 (2017). “자산과 소득에 따른 차별출산력 연구”.
『한국인구학』, 40(3), 51-78.
박창우․송헌재 (2014). “출산장려금 정책이 출산에 미치
는 영향 추정”.『응용경제』, 16(1), 5-34.
송헌재 (2012). “노동패널 자료를 이용한 우리나라 가구
의 출산 결정요인 분석”.『응용경제』, 14(3), .51-78.
이삼식․최효진 (2012). “출산율 예측 모형 개발”.『한국인
구학』, 35(1), 77-99.
조형숙․조현정 (2021). “국내 저출산 관련 연구 동향 분
석: 2011~2020년 중심으로”.『유아교육학논집』, 25(3),
253-277.
Gauthier, A. H., & Hatzius, J. (1997). “Family Benefits

and Fertility: An Econometric Analysis”. Population
Studies, 51(3), 295-306.
González, L., (2013). “The Effect Of a Universal Child
Benefit On Conceptions, Abortions, and Early
Maternal Labor Supply”. American Economic
Journal: Economic Policy, 5(3), 160~188.
Milligan, K., (2005). “Subsidizing the Stork: New
Evidence on Tax Incentives and Fertility”. Review
of Economics and Statistics, 87(3), 539~555.

<부록 1> Cox 비례 위험 모형(Cox Proportional Hazard Model, Survival Analysis)을 통한 종사상 특성에
따른 혼인 및 출산율 분석
◦ 사건의 발생에 영향을 주는 요인의 분석을 위하여 생존분석(Survival Analysis) 가운데 하나인 콕스
비례 위험 모형분석을 사용할 수 있음
◦ 콕스 비례 위험 회귀분석에서 일반적으로    는 t시점에서 x변수를 가지는 위험 함수(hazard

function)로 정의하는데 이는 다음의 형태를 지니고 있음
        
     
(    는 모든 독립변수 값이 0인 경우의 기저 위험 함수로 정의됨)
◦ 위 모형에서는 지수형태에 나타나는         부분이 콕스 모형 분석에서 회귀분석식이 되

는데 예를 들어              로 사용되며 시간 t는 위험 함수의 t시점으로 구성
◦ 따라서 콕스 모형의 해저드 비율(hazard ratio 혹은 odds ratio)은 다음과 같이 나타남

 관심변수              
     
재 취 업 관 심 변 수    
    관심변수              
   
 관심변수    

 관심변수

◦ 독립변수의 변화에 따른 이벤트 발생의 해저드 비율은 시간과는 독립적인 상수값으로 도출되며, 분
석을 위한 설정은 시간 및 이벤트 설정 외에도 패널데이터의 성격을 감안하여 개인 변수를 모두 포
함하여 분석

<부표 1-1> 정규직/비정규직 결혼율 분석
변수 모형 (1) 모형 (2) 모형 (3)

정규직 여부 2.009*** 1.509*** 1.605***
(0=비정규직, 1=정규직) (0.153) (0.117) (0.151)
성별 0.783*** 1.095
(0=여성, 1=남성) (0.0468) (0.0812)
연령 2.668*** 2.667***
(만 나이(세)) (0.199) (0.227)
연령*연령 0.986*** 0.986***
(만 나이 제곱항) (0.00115) (0.00130)
교육수준 1.233*** 1.385***
(0:고졸 이하~1:초대졸 이상) (0.0803) (0.107)
(0:고졸 이하~1:초대졸 이상) (0.0845)
거주지역 0.920
(1=서울, 0=그 외 지역) (0.0714)
관측치수 18,602 18,601 15,639
2) *** p<0.01, ** p<0.05, * p<0.1
<부표 1-2> 대기업/중소기업 종사자 결혼율 분석
변수 모형 (1) 모형 (2) 모형 (3)

대기업 여부 1.419*** 1.330*** 1.393***
(0=중소기업, 1=대기업) (0.0895) (0.0849) (0.0999)
성별 0.831*** 1.216**
(0=여성, 1=남성) (0.0519) (0.0953)
연령 2.622*** 2.571***
(만 나이(세)) (0.194) (0.217)
연령*연령 0.986*** 0.986***
(만 나이 제곱항) (0.00114) (0.00129)
교육수준 1.228*** 1.379***
(0:고졸 이하~1:초대졸 이상) (0.0809) (0.107)
(0:고졸 이하~1:초대졸 이상) (0.0898)
거주지역 0.990
(1=서울, 0=그 외 지역) (0.0788)
관측치수 17,117 17,116 14,417
2) *** p<0.01, ** p<0.05, * p<0.1

<부표 1-3> 정규직/비정규직 출산율 분석
변수 모형 (1) 모형 (2) 모형 (3)

정규직 여부 2.354*** 1.552*** 1.707***
(0=비정규직, 1=정규직) (0.180) (0.120) (0.163)
성별 1.057 1.453***
(0=여성, 1=남성) (0.0598) (0.105)
연령 4.935*** 5.786***
(만 나이(세)) (0.435) (0.594)
연령*연령 0.977*** 0.975***
(만 나이 제곱항) (0.00131) (0.00151)
교육수준 1.354*** 1.397***
(0:고졸 이하~1:초대졸 이상) (0.0863) (0.103)
(0:고졸 이하~1:초대졸 이상) (0.0842)
거주지역 0.775***
(1=서울, 0=그 외 지역) (0.0552)
관측치수 21,702 21,695 18,403
2) *** p<0.01, ** p<0.05, * p<0.1
<부표 1-4> 대기업/중소기업 종사자 출산율 분석
변수 모형 (1) 모형 (2) 모형 (3)

대기업 여부 1.472*** 1.280*** 1.284***
(0=중소기업, 1=대기업) (0.0859) (0.0752) (0.0842)
성별 1.114* 1.531***
(0=여성, 1=남성) (0.0669) (0.120)
연령 5.074*** 6.151***
(만 나이(세)) (0.474) (0.676)
연령*연령 0.977*** 0.974***
(만 나이 제곱항) (0.00139) (0.00161)
교육수준 1.315*** 1.385***
(0:고졸 이하~1:초대졸 이상) (0.0857) (0.105)
(0:고졸 이하~1:초대졸 이상) (0.0848)
거주지역 0.833**
(1=서울, 0=그 외 지역) (0.0617)
관측치수 20,062 20,055 17,014
2) *** p<0.01, ** p<0.05, * p<0.1

<부표 1-5> 정규직/비정규직 출산율 분석(기혼자만을 대상)
변수 모형 (1) 모형 (2) 모형 (3)

정규직 여부 1.676*** 1.128* 1.208**
(0=비정규직, 1=정규직) (0.131) (0.0809) (0.108)
성별 1.369*** 1.558***
(0=여성, 1=남성) (0.0716) (0.102)
연령 1.825*** 2.165***
(만 나이(세)) (0.133) (0.182)
연령*연령 0.990*** 0.988***
(만 나이 제곱항) (0.00106) (0.00121)
교육수준 1.223*** 1.197***
(0:고졸 이하~1:초대졸 이상) (0.0725) (0.0810)
(0:고졸 이하~1:초대졸 이상) (0.0789)
거주지역 0.950
(1=서울, 0=그 외 지역) (0.0620)
관측치수 6,343 6,337 5,410
2) *** p<0.01, ** p<0.05, * p<0.1
<부표 1-6> 대기업/중소기업 종사자 출산율 분석(기혼자만을 대상)
변수 모형 (1) 모형 (2) 모형 (3)

대기업 여부 1.306*** 1.059 1.080
(0=중소기업, 1=대기업) (0.0758) (0.0555) (0.0648)
성별 1.439*** 1.675***
(0=여성, 1=남성) (0.0794) (0.122)
연령 1.841*** 2.240***
(만 나이(세)) (0.144) (0.204)
연령*연령 0.990*** 0.987***
(만 나이 제곱항) (0.00113) (0.00131)
교육수준 1.183*** 1.158**
(0:고졸 이하~1:초대졸 이상) (0.0716) (0.0793)
(0:고졸 이하~1:초대졸 이상) (0.0822)
거주지역 0.976
(1=서울, 0=그 외 지역) (0.0659)
관측치수 5,880 5,874 5,003
2) *** p<0.01, ** p<0.05, * p<0.1

<부표 1-7> 정규직/비정규직 출산율 분석(첫째 이후 둘째 출산)
변수 모형 (1) 모형 (2) 모형 (3)

정규직 여부 1.142 0.961 0.904
(0=비정규직, 1=정규직) (0.107) (0.0880) (0.0888)
성별 1.383*** 1.471***
(0=여성, 1=남성) (0.0963) (0.123)
연령 2.432*** 2.507***
(만 나이(세)) (0.252) (0.279)
연령*연령 0.987*** 0.986***
(만 나이 제곱항) (0.00145) (0.00156)
교육수준 1.034 1.009
(0:고졸 이하~1:초대졸 이상) (0.0679) (0.0724)
(0:고졸 이하~1:초대졸 이상) (0.0908)
거주지역 0.955
(1=서울, 0=그 외 지역) (0.0776)
관측치수 8,086 8,085 7,236
2) *** p<0.01, ** p<0.05, * p<0.1
<부표 1-8> 대기업/중소기업 종사자 출산율 분석(첫째 이후 둘째 출산)
변수 모형 (1) 모형 (2) 모형 (3)

대기업 여부 1.166** 1.061 1.065
(0=중소기업, 1=대기업) (0.0785) (0.0679) (0.0765)
성별 1.497*** 1.566***
(0=여성, 1=남성) (0.113) (0.146)
연령 2.262*** 2.266***
(만 나이(세)) (0.246) (0.263)
연령*연령 0.988*** 0.988***
(만 나이 제곱항) (0.00153) (0.00163)
교육수준 1.048 1.028
(0:고졸 이하~1:초대졸 이상) (0.0712) (0.0766)
(0:고졸 이하~1:초대졸 이상) (0.0997)
거주지역 0.954
(1=서울, 0=그 외 지역) (0.0813)
관측치수 7,578 7,577 6,766
2) *** p<0.01, ** p<0.05, * p<0.1

<부록 2> 확률효과(Random effect) 모형을 사용한 패널 프로빗 회귀분석의 확률값 추정
◦ 본문에서는 PA 모형을 사용하여 패널 프로빗 회귀분석을 추정하였는데 부록에서는 확률효과(Random

effect) 모형을 사용하여 추정하고 PA 모형 추정결과와 차이가 있는지를 검토하고자 함
◦ 본문과 동일한 데이터와 방법을 사용하여 추정하였으며 PA 모형 대신 확률효과 모형을 적용하였음
◦ 편의상 패널 프로빗 회귀분석 추정값을 확률값으로 변환한 결과만을 보고하였음
◦ 확률효과 모형으로 추정한 확률값이 PA 모형으로 추정한 확률값보다는 조금 높은 것으로 나타났으며

확률값의 비율 측면에서는 거의 차이가 없거나 약간 높은 정도인 것으로 분석됨
◦ PA 모형으로 추정된 확률값의 비율(정규직-비정규직, 대기업 종사자-중소기업 종사자)은 Cox 비례

위험 모형으로 추정한 값보다는 크고, 확률효과 모형으로 추정한 값보다는 작은 것으로 분석됨
<부표 2-1> 종사자 특성에 따른 결혼 확률 추정
정규직과 비정규직 결혼율

항목
Margin 0.0312*** 0.0518***
(Standard errors) (0.00298) (0.00300)
100명당 당 결혼인구(명) 3.12 5.18
관측치수 15,629 15,629
2) *** p<0.01, ** p<0.05, * p<0.1
대기업과 중소기업 종사자 결혼율

항목
Margin 0.0434*** 0.0617***
(Standard errors) (0.00259) (0.00447)
100명당 당 결혼인구(명) 4.34 6.17
관측치수 14,409 14,409
2) *** p<0.01, ** p<0.05, * p<0.1
<부표 2-2> 종사자 특성에 따른 출산 확률 추정

항목
Margin 0.0248*** 0.0475***
(Standard errors) (0.00301) (0.00334)
100명당 당 출산인구(명) 2.48 4.75
관측치수 18,413 18,413
2) *** p<0.01, ** p<0.05, * p<0.1

항목
Margin 0.0364*** 0.0496***
(Standard errors) (0.00293) (0.00451)
100명당 당 출산인구(명) 3.64 4.96
관측치수 17,009 17,009
2) *** p<0.01, ** p<0.05, * p<0.1
<부표 2-3> 종사자 특성에 따른 출산 확률 추정(기혼자만을 대상)

항목
Margin 0.157*** 0.192***
(Standard errors) (0.0156) (0.00883)
100명당 당 출산인구(명) 15.7 19.2
관측치수 5,420 5,420
2) *** p<0.01, ** p<0.05, * p<0.1

항목
Margin 0.168*** 0.188***
(Standard errors) (0.00903) (0.0135)
100명당 당 출산인구(명) 16.8 18.8
관측치수 5,006 5,006
2) *** p<0.01, ** p<0.05, * p<0.1
<부표 2-4> 종사자 특성에 따른 둘째 출산 확률 추정(첫째 출산자만을 대상)

항목
Margin 0.119*** 0.108***
(Standard errors) (0.0116) (0.00494)
100명당 당 출산인구(명) 11.9 10.8
관측치수 7,236 7,236

2) *** p<0.01, ** p<0.05, * p<0.1

항목
Margin 0.101*** 0.110***
(Standard errors) (0.00546) (0.00796)
100명당 당 출산인구(명) 10.1 11.0
관측치수 6,764 6,764
2) *** p<0.01, ** p<0.05, * p<0.1

발행일 2022년 11월 15일 | 발행인 권태신 | 발행처 한국경제연구원 | 주소 서울특별시 영등포구 여의대로 24 FKI TOWER 46층

KERI Insight 22-12

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

KERI Insight 22-12

Uploaded by

Copyright:

Available Formats

KERI 정책제언 22-12

종사자 특성에 따른 혼인율 및

본 연구에서는 종사자 특성에 따른 결혼 및 출산율 차이 널 프로빗의 계수값(z-score)을 확률값으로 변환하여 살펴

Ⅰ. 서론 ◦ 합계출산율 0.81은 역대 최저치로 OECD 38개

년부터 20만명대를 기록 였으며, 그 외 지역에서는 감소한 것으로 나타남

- 전체적으로 출산율과 출생아 수가 감소하는 가운

2 KERI Insight 22-12

질 것이라는 우려스러운 전망이 대두 향에 대한 시사점을 모색할 필요

- 통상적으로 그나마 1분기의 합계출산율이 가장 - 분석결과를 바탕으로 향후 바람직한 저출산 극복

높고 4분기에 합계출산율이 가장 낮아지는 패턴 을 위한 정책방향을 도출하고자 함

을 고려하면 이미 1분기과 2분기에 합계출산율이

□ 저출산 심화에 따른 위기의식이 확산되면서 저출

- 저출산 극복을 위한 실효성 있는 정책대안을 마

- 우리나라의 경우 동거에 대한 반감도 적지 않고

- 이런 맥락에서 저출산과 직접적으로 관련된 출산

- 실제로 출산율 뿐만 아니라 혼인율이 경제활동

□ 본 연구에서는 종사자의 특성에 따른 혼인율과 출

종사자 특성에 따른 혼인율 및 출산율 비교분석 3

◦ 우리나라의 경우 출산은 거의 대부분 결혼이라 ◦ 우리나라의 경우 저출산 극복을 위해서 혼인율

을 위해서는 결혼율의 상승이 전제조건이라고 혼인건수가 하락하고 초혼 연령이 상승하는1)

- 다른 국가들과의 국제비교를 통해 볼 때 우리나 - 여성가족부에 따르면 2021년 혼인(초혼) 건수는

라에서는 결혼 외 출산 비중은 매우 미미한 것으 14.9만 건으로 2005년 대비 35.7% 감소한 것으

- OECD 국가들에서의 결혼 외 출산비중 평균은 * 2021년 혼인(초혼) 건수는 2020년과 비교하여서도

<그림 1> 결혼 외 출산의 비중 국제비교(%)

자료: OECD, 2018년 기준

1) 2022 통계로 보는 남녀의 삶(여성가족부(2022))

4 KERI Insight 22-12

<그림 3> 조혼인율 국제비교(명)

주: 조혼인율(Crude marriage rate): 인구 천명당 혼인 건수

- 다만 외국의 경우 결혼 이외에도 동거와 같은 관 - 초혼 연령의 경우에도 외국의 경우 동거를 거치

2) 조혼인율(Crude marriage rate)은 인구 천명당 혼인 건수를 의미(재혼도 포함)

종사자 특성에 따른 혼인율 및 출산율 비교분석 5

자료: OECD, 2020년 기준

<그림 5> OECD 회원국 합계출산율(명)

자료: OECD, 2020년 기준

□ 우리나라의 출산율은 최하위를 기록하는 반면 출 - 우리나라는 2000년에 합계출산율 1.48명을 기록

산연령은 세계 최고수준을 기록하고 있는 것으로 하였으나 그 이후 지속적으로 감소하여 2020년

회원국 내에서 최하위를 기록 리나라보다 약 89% 높은 수준

6 KERI Insight 22-12

<그림 7> 첫 출산 연령 국제비교(세)

자료; OECD, 2020년 기준

- 2020년 기준 우리나라의 경우 첫 출산 연령은

종사자 특성에 따른 혼인율 및 출산율 비교분석 7

* 일례로 조사대상국 가운데 스페인과 스웨덴의 초혼

◦ 우리나라의 경우에는 결혼제도를 통해서 출산

- 현재의 저출산 극복을 위해서는 기혼자들의 출산

8 KERI Insight 22-12

1. 저출산 관련 선행연구와 본 연구의 취지

◦ 일반적으로는 출산율 자체에 미치는 결정요인

종사자 특성에 따른 혼인율 및 출산율 비교분석 9

도부터 23차년도 자료를 연계하여 분석에 사용 발생 소지가 있는 관계로 샘플에서 제외)

- 한국노동패널은 1차년도부터 이용가능하지만 정규 - 맨 처음 미혼으로 분석대상에 진입한 개인은 0의

직과 비정규직에 대한 조사항목이 3차년도에 누락 값을 가자며 이후 미혼인 상태가 유지되면 0의

되어 있는 관계로 연속적인 자료이용이 가능한 4 값을, 결혼을 하게 되면 1의 값을 가지고, 1의

차년도(2001년 조사자료)부터 분석에 사용하였음 값을 가지면 그 이후에는 분석대상에서 제외하는

10 KERI Insight 22-12

4차년도 이후 새롭게 한국노동패널에 진입하는

* 예를 들어 개인이 가구주인 경우, 출생아가 가구주의

<그림 8> 회귀분석 추정 대상

종사자 특성에 따른 혼인율 및 출산율 비교분석 11

직 변수를 사용하였으며 비정규직의 경우 0의 값 값을 가지는 것으로 변수를 생성

- 성별: 성별에 따라 종사자 특성에 따른 결혼 및 출 거주지역을 변수에 포함

산에 대한 의지 및 가치관이 달라질 수 있기 때문 * 지역변수로는 한국노동패널의 거주지역 코드을 사용

* 성별변수는 한국노동패널에서 제공하는 변수를 더미 * 서울지역에 거주하면 1의 값을 그 외 지역은 0의 값

Margin 0.0215* 0.0407*

Margin 0.0318* 0.0437*